如何在R语言中对数据框按分组执行复杂代数运算

原有代码无法运行的核心原因有两点：

• 使用mydata$mean1这种写法会直接提取整个原始数据集的列，无法识别dplyr的分组环境，最终计算的是全局均值而非分组均值
• 分组后的计算需要用summarise()（返回每个分组一行的汇总结果）或者mutate()（返回和原数据同行数，分组计算结果填充所有组内行）承接运算，不能直接在管道后写公式

你不需要单独生成中间存储的汇总表，可以直接在summarise内一步完成计算，所有运算在一次分组遍历中完成，没有冗余中间数据，效率和可读性都更高：

library(dplyr)
result <- mydata %>%
  group_by(district) %>%
  summarise(
    stat = sqrt(n()) * (mean(mean1) - mean(mean2)) / sqrt(mean(var))
  )

上述代码中：

• 分组后直接用n()即可获取当前分组的观测数，不需要调用n(mydata)
• 直接写列名mean1、mean2、var会自动取当前分组内的对应列计算，不需要加数据集前缀

如果需要把分组计算结果匹配回原数据的每一行，把summarise替换为mutate即可：

result <- mydata %>%
  group_by(district) %>%
  mutate(
    stat = sqrt(n()) * (mean(mean1) - mean(mean2)) / sqrt(mean(var))
  ) %>%
  ungroup()

内容的提问来源于stack exchange，提问作者1muflon1